1、Vol.43 No.2Feb.2023第 43 卷 第 2 期2023 年 2 月中 南 林 业 科 技 大 学 学 报 Journal of Central South University of Forestry&Technologyhttp:/收稿日期：2022-03-13基金项目：黑龙江省重点研发项目（GA21A405）；中央高校基本科研业务费专项资金项目（2572020DR12）。第一作者：姜新波（jxb-），副教授，博士。引文格式：姜新波,李珂,杨春梅.基于非支配排序与遗传算法的毛边锯材优化下锯算法研究 J.中南林业科技大学学报,2023,43(2):155-165.JIANG X
2、 B,LI K,YANG C M,et al.An optimized sawing study of burr sawn timber based on non-dominated sorting and genetic algorithmJ.Journal of Central South University of Forestry&Technology,2023,43(2):155-165.基于非支配排序与遗传算法的毛边锯材 优化下锯算法研究姜新波，李 珂，杨春梅（东北林业大学 林业机械与木工工程技术中心，黑龙江 哈尔滨 150040）摘 要：【目的】为解决我国木材加工企业在毛边锯材锯
3、切过程中存在出材率低和智能化加工能力不足的问题，本研究基于非支配排序与遗传算法提出一种毛边锯材优化下锯智能算法。【方法】通过分析毛边锯材下锯方式，确定了先截断后纵解再截断的加工方法。分析毛边锯材传统纵向等宽锯切方法不足，以出材率为最终求解目标，完成两阶段优化下锯模型构建。将毛边锯材视作无缺陷锯材进行下锯方案求解，同时考虑出材率与坯料价值，基于坯料宽度编码，采用非支配排序与拥挤度排序确定个体优劣，提出多种群寻优策略完成种群迭代，获取多种下锯方案。取出所有下锯方案对原含缺陷锯材模拟锯切，使用遗传算法寻找方案的最优下锯顺序，以得到最终下锯方案。选用 C+编程实现算法功能，并通过 OpenCV C+编
4、程显示仿真锯切结果。实测毛边锯材分别采用传统等宽锯切方法与本算法对锯材进行模拟锯切，对比锯切结果以验证算法可行性。【结果】本算法在使用不同横向截断长度、不同输入坯料宽度和不同锯材的情形下，仿真锯切结果均优于传统等宽锯切方法，锯材完整坯料出材率与总出材率明显提升。【结论】优化下锯方法相比传统等宽锯切方法可提供更好的下锯方案，能在一定程度上实现毛边锯材优化下锯，为我国毛边锯材智能化加工提供一种新的解决方案。关键词：毛边锯材；非支配排序；遗传算法；出材率；优化下锯中图分类号：S784 文献标志码：A 文章编号：1673-923X(2023)02-0155-11An optimized sawing
5、study of burr sawn timber based on non-dominated sorting and genetic algorithmJIANG Xinbo,LI Ke,YANG Chunmei(Machinery and Woodworking Engineering Technology Center,Northeast Forestry University,Harbin 150040,Heilongjiang,China)Abstract:【Objective】To solve the problems of low yield rates and insuffi
6、cient intelligent processing capacities in the sawing procedure of sawn timber in domestic wood processing enterprises,a sawing intelligent algorithm of burr sawn timber was proposed based on non-dominated sorting and genetic algorithm.【Method】The horizontal-vertical-horizontal processing method was
7、 determined by analyzing the sawing approaches of burr sawn timber.To optimize the yield rate,a two-stage optimized sawing model was developed in consideration of the deficiencies of the conventional longitudinal constant-width sawing method for burr sawn timber.In consideration of yield rate and th
8、e value of the blanks,based on the blank width coding,the advantages and disadvantages of individuals were determined by using nondominated sorting and crowding ranking,the populations were iterated by utilizing multiple group-merit-seeking strategies,and the initial solutions for sawing burr sawn t
9、imber were calculated regardless of the defects.All the sawing solutions were taken out to simulate the sawing of the original burr sawn timber,and the genetic algorithm was used to find the optimal sawing sequence of the solutions to obtain the final sawing solutions.Furthermore,the OpenCV C+progra
10、mming was used to realize algorithm simulation,and the algorithms feasibility was verified by comparing the simulation results of the proposed algorithm with the traditional constant-width sawing method.【Result】The comparison results showed that the algorithm proposed in this paper was better than t
11、he traditional sawing under the conditions of different sawn timbers,input-widths and transverse truncation lengths.In addition,the yield rate of complete blank and sawn timber was significantly improved.【Conclusion】Compared with the traditional method,the sawing algorithm proposed in this paper can
12、 provide a better sawing scheme,and realize the optimized sawing of burr sawn timber to a certain extent,which lays the foundation for the research and development of the optimizing sawing equipment of burr sawn timber.Keywords:burr sawn timber;non-dominated sorting;genetic algorithm;yield rate;opti
13、mized sawingDoi:10.14067/ki.1673-923x.2023.02.017姜新波，等：基于非支配排序与遗传算法的毛边锯材优化下锯算法研究156第 2 期木材作为四大原材料中唯一绿色可再生的资源而被广泛应用，随着我国造纸、人造板、实木地板和家具等行业的蓬勃发展，木材作为生产原材料其消耗量逐年递增，然而我国林木资源相对匮乏，因此每年需进口大量原木和锯材1。木材资源巨大的供需矛盾给我国木材加工企业带来了挑战，推动木材加工向着自动化与智能化发展2。伴随着人工智能技术的不断发展，为高效利用木材资源，各国学者逐渐将智能算法及理论融入到木材加工中：Urbonas 等3将基于区域的快速
14、卷积神经网络应用于锯材表面缺陷识别，采用机器视觉代替人工目视检测，快速准确地识别木材表面的节子、孔洞等缺陷。李海芸等4为提高毛边锯材清边效率，设计了基于视觉检测的锯材加工系统，可实现毛边锯材的智能化清边。张国梁等5采用分组降维的方法将大规模人造板锯切问题转化为每组不超过 3 种板材的组间排序问题，并采用惩罚函数与遗传算法求解，减少了计算时间并提高了木材出材率；刘诚等6采用局部枚举与贪心算法，通过改变局部枚举规模并采用贪心策略，在较小空间内得到高质量人造板锯切方案，降低了锯切原料成本；Ying 等7提出一种启发式算法确定含单个缺陷木材锯切方案，提高了木材加工效率；孙理越8对最低水平线算法进行改进
15、，对含 2 个缺陷的矩形木材进行锯切方案求解，算例测试表明出材率有 8%以上提升。从上述研究可以看出，将智能算法与木材加工相融合可更合理地使用木材。但以往研究对木材锯切方案的求解主要针对人造板与含少量缺陷的木材，对含缺陷较多的毛边锯材锯切方案求解研究较少。虽然国外先进木材加工企业如威力木工、豪迈等已研制出锯材智能锯切系统，但大多已形成技术垄断，国内大型木工企业主要通过进口国外先进技术进行锯材加工9。就目前而言，适合我国中小企业的锯材智能锯切系统相对较少，中小企业进行锯材加工主要采用“人海战术”，锯材加工全部依赖工人主观进行，无法针对缺陷众多的锯材快速准确地计算合理加工方案，造成木材原料大量浪费
16、10。为解决此问题，对锯材自动化锯切进行研究和优化以提高锯材出材率是十分必要的。因此本研究通过分析毛边锯材下锯方式构建了优化下锯模型，采用非支配排序与遗传算法实现模型求解，最后通过算法仿真锯切测试，验证了本算法的可行性，为我国毛边锯材智能化锯切提供一种新的解决方案。1 模型建立1.1 毛边锯材下锯方式由于锯材中含有节子、腐朽和孔洞等缺陷，需去除后制成木制品坯料使用。加工锯材时，通常根据锯材的种类和尺寸选择锯切方法，对于毛边锯材，常用的有先截断后纵解、先纵解后截断 2种加工方式11，如图 1ab 所示。图 1 毛边锯材下锯方式Fig.1 The cutting methods of burr sawn timber 当采用先截断后纵解的方式加工时，首先根据缺陷位置将锯材横向截断，再通过多锯片纵解圆锯机将产生的短板纵解。此方法由于将长锯材截断成短板，便于车间运输加工且能够利用部分锯材弯曲部分，但在横向去除缺陷时会造成较多优质木材浪费。当采用先纵解后截断方式加工时，初步将锯材按坯料宽度纵向锯解，然后根据坯料长度将锯材横向截断，同时去除缺陷部分。与先截断后纵解加工相比，此方法去除缺陷时切除的优